Modele AI pozwalają przewidywać sepsę u dzieci nawet 48 godzin przed objawami
Sztuczna inteligencja wspiera wczesne rozpoznanie sepsy u dzieci
Sepsa, czyli infekcja prowadząca do zagrażającej życiu niewydolności narządów, pozostaje jedną z głównych przyczyn zgonów wśród dzieci na całym świecie. W celu zapobiegania tej rzadkiej, ale niezwykle groźnej chorobie, naukowcy opracowali i zwalidowali modele oparte na sztucznej inteligencji (AI), które potrafią z dużą dokładnością wskazać dzieci o wysokim ryzyku rozwoju sepsy w ciągu 48 godzin, co pozwala na wdrożenie wczesnych działań terapeutycznych.
Modele te wykorzystywały dane z rutynowych elektronicznych kart pacjenta (EHR) zebrane w ciągu pierwszych czterech godzin pobytu dziecka na oddziale ratunkowym, jeszcze przed wystąpieniem objawów niewydolności narządowej.
Badanie wieloośrodkowe, prowadzone przez dr Elizabeth Alpern z Ann & Robert H. Lurie Children’s Hospital of Chicago, jest pierwszym, w którym zastosowano modele AI do przewidywania sepsy u dzieci w oparciu o nowe kryteria Phoenix Sepsis Criteria. Wyniki opublikowano w czasopiśmie JAMA Pediatrics.
„Opracowane przez nas modele predykcyjne to ogromny krok w kierunku medycyny precyzyjnej w zakresie sepsy u dzieci” – podkreśla dr Alpern, kierownik Oddziału Medycyny Ratunkowej w Lurie Children’s i profesor pediatrii w Northwestern University Feinberg School of Medicine. – „Nasze modele charakteryzowały się dobrą równowagą pomiędzy czułością a swoistością, trafnie identyfikując dzieci, które w przyszłości rozwiną sepsę, bez nadmiernego oznaczania tych, które nie są zagrożone. To niezwykle istotne, ponieważ chcemy uniknąć agresywnego leczenia u pacjentów, którzy tego nie potrzebują.”
W badaniu uczestniczyło pięć systemów opieki zdrowotnej współtworzących Pediatric Emergency Care Applied Research Network (PECARN), co zapewniło dostęp do dużej, zróżnicowanej populacji pacjentów. Z analizy wykluczono dzieci, które miały już sepsę w chwili przyjęcia lub w ciągu pierwszych godzin leczenia na SOR, skupiając się na możliwości przewidywania jej rozwoju, by umożliwić szybkie wdrożenie terapii o udowodnionej skuteczności.
„Ocenialiśmy nasze modele pod kątem braku uprzedzeń i błędów systemowych” – dodała dr Alpern. – „W przyszłości konieczne będzie połączenie modeli opartych na danych EHR z oceną kliniczną lekarza, aby uzyskać jeszcze dokładniejsze prognozy.”
Projekt został sfinansowany z grantu National Institute of Child Health and Human Development (NICHD) nr R01HD087363.
Dr Alpern jest profesorem pediatrii im. George’a M. Eisenberga w Northwestern University Feinberg School of Medicine.
Ann & Robert H. Lurie Children’s Hospital of Chicago to niezależny, badawczo-kliniczny szpital pediatryczny, który jako jedyny tego typu ośrodek w stanie Illinois zapewnia kompleksową opiekę dzieciom oraz prowadzi liczne projekty naukowe poprzez Stanley Manne Children’s Research Institute. Szpital jest główną bazą dydaktyczną Northwestern University Feinberg School of Medicine i znajduje się w czołówce rankingu U.S. News & World Report wśród najlepszych szpitali dziecięcych w USA.
Źródło: JAMA Pediatrics
